CN112581421A - 三维点云处理方法、建筑物检测方法、装置、设备及介质 - Google Patents
三维点云处理方法、建筑物检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112581421A CN112581421A CN202010278814.7A CN202010278814A CN112581421A CN 112581421 A CN112581421 A CN 112581421A CN 202010278814 A CN202010278814 A CN 202010278814A CN 112581421 A CN112581421 A CN 112581421A
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- point cloud
- acquisition
- dimensional point
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 279
- 230000009466 transformation Effects 0.000 claims abstract description 188
- 238000006243 chemical reaction Methods 0.000 claims abstract description 157
- 230000007246 mechanism Effects 0.000 claims abstract description 130
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000005259 measurement Methods 0.000 claims description 78
- 238000012545 processing Methods 0.000 claims description 14
- 238000009499 grossing Methods 0.000 claims description 9
- 229940050561 matrix product Drugs 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 13
- 230000008901 benefit Effects 0.000 description 7
- 238000001914 filtration Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/604—Rotation of whole images or parts thereof using coordinate rotation digital computer [CORDIC] devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明实施例公开了一种三维点云处理方法、建筑物检测方法、装置、设备及介质。该方法包括:根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵;由机器采集系统获取测量对象的至少一帧三维点云;根据所述位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云,其中,所述世界坐标系,为机器采集系统的驱动机构前端所在的坐标系;所述采集传感器坐标系,为机器采集系统的采集传感器所在的坐标系。本发明实施例通过根据世界坐标系和采集传感器坐标系之间的转换关系确定位姿转换矩阵,解决了三维点云拼接精度不高的问题,从而达到对墙面质量进行全面检测的目的,提高了建筑产品质量反馈的精确度。
Description
技术领域
本申请基于2019年9月27日在国内申请的中国专利201910927042.2要求优先权,其公开内容通过引用合并于此。
本发明实施例涉及建筑装修技术领域,尤其涉及一种三维点云处理方法、建筑物检测方法、装置、设备及介质。
背景技术
实测实量是指根据国家或行业相关质量验收规范,应用测量工具,通过对施工现场实体的现场测试、丈量而得到的能真实反应产品质量数据的一种方法。实测实量用于给项目管理者提供准确的产品质量反馈,以便于项目管理者及时采取措施消除爆点,或改进施工工艺。在土建工程阶段,实测实量对工程质量的把控尤为重要。目前实测实量沿用了相对老旧的数据采集方式,主要还是依靠尺、塞尺、钢卷尺等测量仪器。由于测量仪器的限制和每户数据采集点较少等问题,通过人工对所要测量的部位进行一个点、一个面的数据采集,采样率较低,并且测量结果容易受测量工具精度的影响。如在2米靠尺贴近墙面后,作业人员可能会仅凭感觉来衡量墙体表面平整度,而未严格采用楔形塞尺来组合测量。
针对这种现象,采用视觉传感器进行测量成为有效的测量手段。然而,高精度的视觉传感器视域过小,无法一帧覆盖整个墙面,现有技术通常会采用多个视觉传感器对墙面进行覆盖测量,但该方法会增加设备成本。如果采用同一视觉传感器,则需要对视觉传感器拍摄的多个点云或灰度值等数据进行拼接。现有拼接技术中,尚无针对建筑墙面的有效拼接算法,其原因是墙面表面的特征点少和特征不明显,对拼接精度要求高,从而导致无法利用现有的拼接算法实现墙面质量的全局检测。
发明内容
本发明实施例提供了一种三维点云处理方法、建筑物检测方法、装置、设备及介质,以达到将同一采集传感器采集到的多帧三维点云拼接为高精度全局点云,实现对墙面质量全面检测的目的,提高建筑产品质量反馈的精确度。
第一方面,本发明实施例提供了一种三维点云处理方法,该方法包括:
根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵;
由机器采集系统获取测量对象的至少一帧三维点云;
根据所述位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云,
其中,所述世界坐标系,为机器采集系统的驱动机构前端所在的坐标系;
所述采集传感器坐标系,为机器采集系统的采集传感器所在的坐标系。
进一步地,根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵,具体包括:
设驱动机构坐标系相对于世界坐标系的转换关系,为第一转换矩阵;
设采集传感器坐标系相对于驱动机构坐标系的转换关系,为第二转换矩阵;
根据第一转换矩阵和第二转换矩阵,确定所述位姿转换矩阵;
其中,所述驱动机构坐标系,为机器采集系统的驱动机构末端所在的坐标系。
进一步地,该方法还包括:
所述驱动机构末端绕所述驱动机构的单一旋转轴旋转;
根据所述驱动机构末端的旋转角度和所述单一旋转轴,确定第一转换矩阵。
进一步地,该方法还包括:
设采集传感器坐标系相对于测量对象坐标系的转换关系,为第三转换矩阵,其中,所述第三转换矩阵通过求解采集传感器的外参确定;
设世界坐标系与测量对象坐标系之间的转换关系,为第四转换矩阵;
根据所述第一转换矩阵、第二转换矩阵和第三转换矩阵的矩阵乘积,确定第四转换矩阵;
根据所述第四转换矩阵的第i次采集与第i+1次采集的相乘恒等关系,推导计算得到所述第二转换矩阵;
其中,测量对象坐标系,为所述测量对象所在的坐标系。
进一步地,所述根据第一转换矩阵和第二转换矩阵,确定所述位姿转换矩阵,包括:
根据所述第四转换矩阵的第i次采集与第i+1次采集的相乘恒等关系,以及第三转换矩阵与位姿转换矩阵之间的转换关系,推导计算得到由第一转换矩阵和第二转换矩阵表示的位姿转换矩阵。
进一步地,在所述由机器采集系统获取测量对象的至少一帧三维点云之后,包括:
去除所述各帧三维点云的无效点云噪声。
这样设置的好处在于,可以去除因误匹配得到的无效点云噪声,从而提高后续三维点云拼接的精度,进而提高建筑产品质量反馈的精确度。
进一步地,根据所述位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云,具体包括:
根据所述位姿转换矩阵将各帧三维点云转换至初始帧点云的坐标系;
截取所述各帧三维点云中感兴趣区域;
基于初始帧点云的坐标系和各帧三维点云中感兴趣区域,将所述转换后的各帧三维点云拼接成全局点云。
第二方面,本发明实施例还提供了一种三维点云处理装置,该装置包括:
位姿转换矩阵确定模块,用于根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵;
三维点云获取模块,用于由机器采集系统获取测量对象的至少一帧三维点云;
全局点云拼接模块,用于根据所述位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云,
其中,所述世界坐标系,为机器采集系统的驱动机构前端所在的坐标系;
所述采集传感器坐标系,为机器采集系统的采集传感器所在的坐标系。
第三方面,本发明实施例还提供了一种建筑物检测方法,该方法包括:
根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵;
由机器采集系统获取测量对象的至少一帧三维点云;
根据所述位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云,
其中,所述世界坐标系,为机器采集系统的驱动机构前端所在的坐标系;
所述采集传感器坐标系,为机器采集系统的采集传感器所在的坐标系;
对全局点云进行平面拟合获得参考平面;
根据所述参考平面计算所述建筑物的平整度偏差。
这样设置的好处在于,可以基于同一采集传感器实现对墙面质量进行全面检测的目的,降低了检测成本。
进一步地,根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵,具体包括:
设驱动机构坐标系相对于世界坐标系的转换关系,为第一转换矩阵;
设采集传感器坐标系相对于驱动机构坐标系的转换关系,为第二转换矩阵;
根据第一转换矩阵和第二转换矩阵,确定所述位姿转换矩阵;
其中,所述驱动机构坐标系,为机器采集系统的驱动机构末端所在的坐标系。
进一步地,该方法还包括:
所述驱动机构末端绕所述驱动机构的单一旋转轴旋转;
根据所述驱动机构末端的旋转角度和所述单一旋转轴,确定第一转换矩阵。
进一步地,该方法还包括:
设采集传感器坐标系相对于测量对象坐标系的转换关系,为第三转换矩阵,其中,所述第三转换矩阵通过求解采集传感器的外参确定;
设世界坐标系与测量对象坐标系之间的转换关系,为第四转换矩阵;
根据所述第一转换矩阵、第二转换矩阵和第三转换矩阵的矩阵乘积,确定第四转换矩阵;
根据所述第四转换矩阵的第i次采集与第i+1次采集的相乘恒等关系,推导计算得到所述第二转换矩阵;
其中,测量对象坐标系,为所述测量对象所在的坐标系。
进一步地,所述根据第一转换矩阵和第二转换矩阵,确定所述位姿转换矩阵,包括:
根据所述第i次采集与第i+1次采集的第四转换矩阵的相乘恒等关系,以及第三转换矩阵与位姿转换矩阵之间的转换关系,推导计算得到由第一转换矩阵和第二转换矩阵表示的位姿转换矩阵。
进一步地,在所述由机器采集系统获取测量对象的至少一帧三维点云之后,包括:
去除所述各帧三维点云的无效点云噪声。
这样设置的好处在于,可以去除因误匹配得到的无效点云噪声,从而提高后续三维点云拼接的精度,进而提高建筑产品质量反馈的精确度。
进一步地,根据所述位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云,具体包括:
根据所述位姿转换矩阵将各帧三维点云转换至初始帧点云的坐标系;
截取所述各帧三维点云中感兴趣区域;
基于初始帧点云的坐标系和各帧三维点云中感兴趣区域,将所述转换后的各帧三维点云拼接成全局点云。
进一步地,根据所述参考平面计算所述建筑物的平整度偏差,包括:
根据点到平面的距离公式获取全局点云到参考平面的最大距离,从而确定所述建筑物的平整度偏差。
进一步地,根据点到平面的距离公式获取全局点云到参考平面的最大距离,从而确定所述建筑物的平整度偏差,包括:
选取全局点云中的至少一个预设区域点云,并对所述各预设区域点云进行平滑处理;
根据点到平面的距离公式求解各预设区域点云的点云到参考平面的距离,取其最大值作为所述平整度偏差。
根据所述参考平面计算所述建筑物的平整度偏差之后,还包括:
根据点云到所述参考平面的向量方向,与从采集传感器到建筑物的方向之间的相互关系,判断所述点云对应的建筑区域是凹陷还是凸起。
这样设置的好处在于,在提供平整度偏差的检测结果的同时,增加平整度检测的细节信息,提高建筑物平整度检测的精确度,为后续的施工工艺提供细节参考。
第四方面,本发明实施例还提供了一种建筑物检测装置,该装置包括:
位姿转换矩阵确定模块,用于根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵;
三维点云获取模块,用于由机器采集系统获取测量对象的至少一帧三维点云;
全局点云拼接模块,用于根据所述位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云,
其中,所述世界坐标系,为机器采集系统的驱动机构前端所在的坐标系;
所述采集传感器坐标系,为机器采集系统的采集传感器所在的坐标系;
参考平面确定模块,用于对全局点云进行平面拟合获得参考平面;
平整度偏差确定模块,用于根据所述参考平面计算所述建筑物的平整度偏差。
第五方面,本发明实施例还提供了一种用于执行上述所涉及的任一所述三维点云处理方法或上述所涉及的任一所述建筑物检测方法的设备,该设备包括机器采集系统和控制器,所述机器采集系统包括采集传感器和驱动机构,其中:
所述采集传感器转动设置于驱动机构的末端,所述驱动机构的前端固定于控制器上;
所述采集传感器,用于采集测量对象的三维点云;
所述驱动机构,用于转动所述采集传感器;
所述控制器,用于控制驱动机构的转动、采集传感器的采集以及所采集三维点云的处理。
第六方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行上述所涉及的任一所述的三维点云处理方法或上述所涉及的任一所述的建筑物检测方法。
本发明实施例通过根据世界坐标系和采集传感器坐标系之间的转换关系确定位姿转换矩阵,解决了三维点云拼接精度不高的问题,从而达到将同一采集传感器采集到的多帧三维点云拼接为高精度全局点云,实现对墙面质量全面检测的目的,提高了建筑产品质量反馈的精确度。
附图说明
图1是本发明实施例一提供的一种三维点云处理方法的流程图。
图2是本发明实施例一提供的一种机器采集系统的示意图。
图3是本发明实施例二提供的一种三维点云处理方法的流程图。
图4是本发明实施例三提供的一种三维点云处理装置的示意图。
图5是本发明实施例四提供的一种建筑物检测方法的流程图。
图6是本发明实施例四提供的一种建筑物检测方法的具体实例流程图。
图7是本发明实施例五提供的一种建筑物检测装置的示意图。
图8是本发明实施例六提供的一种设备的结构示意图。
图9是本发明实施例六提供的一种设备的具体实例的结构示意图。
图10是本发明实施例六提供的另一种设备的具体实例的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种三维点云处理方法的流程图,本实施例可适用于机器采集系统采集多帧点云进行拼接的情况,该方法可以由三维点云处理装置来执行,该装置可采用软件和/或硬件的方式实现。具体包括如下步骤:
S110、根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵;
其中,世界坐标系是在应用环境中选择的用于描述环境中所有物体位置的参考坐标系。在本实施例中,世界坐标系,为机器采集系统的驱动机构前端所在的坐标系,机器采集系统中的驱动机构前端固定在控制器上。在采集三维点云的过程中,控制器保持不动,即驱动机构前端保持固定不动,因此驱动机构前端所在的世界坐标系是稳定不变的,以便对环境中所有物体位置进行描述。
其中,采集传感器是用于采集三维点云的传感器。在一个实施例中,可选的,采集传感器包括三维激光扫描仪、照相式扫描仪和视觉传感器中至少一种。其中,示例性的,通过视觉传感器中的3D相机采集三维点云。在本实施例中,采集传感器坐标系,为机器采集系统的采集传感器所在的坐标系。
在线性代数中,以转换矩阵的形式表示线性变换的映射关系。示例性的,线性变换包括旋转、平移、缩放或反射等。在本实施例中,位姿转换矩阵可用于表示世界坐标系与采集传感器坐标系之间的转换关系。
图2是本发明实施例一提供的一种机器采集系统的示意图。如图2所示,灰度值最浅的长方形控制器,可将机器采集系统固定在控制器上。灰度值较深的长方形表示机器采集系统的驱动机构,图2中驱动机构的左端为驱动机构前端,与控制器相连。图2中驱动机构的右端为驱动机构末端,与采集传感器相连。灰度值最深的长方形和其中的椭圆形共同表示机器采集系统的采集传感器。图2中右下方的黑白网格表示测量对象,图2示意图中的测量对象为标定板。其中,驱动机构用于驱动采集传感器运动,驱动机构末端连接采集传感器进行运动。其中,标定板可应用于机器视觉、图像测量、摄影测量和三维重建等领域中,可用于校准摄像机镜头的位置或用于确定测量对象与其在图像中对应点之间的相互关系等。
如图2所示,W为机器采集系统的驱动机构前端所在的世界坐标系,E为机器采集系统的驱动机构末端所在的驱动机构坐标系,C为机器采集系统的采集传感器所在的采集传感器坐标系,G为测量对象为标定板所在的测量对象坐标系。如图2所示,第一转换矩阵T6表示驱动机构坐标系E与世界坐标系W之间的转换关系,第二转换矩阵Tm表示采集传感器坐标系C与驱动机构坐标系E之间的转换关系,第三转换矩阵Tc表示采集传感器坐标系C与测量对象坐标系G之间的转换关系,第四转换矩阵Tg表示世界坐标系W与测量对象坐标系G之间的转换关系。
在一个实施例中,可选的,设驱动机构坐标系相对于世界坐标系的转换关系,为第一转换矩阵;设采集传感器坐标系相对于驱动机构坐标系的转换关系,为第二转换矩阵;根据第一转换矩阵和第二转换矩阵,确定位姿转换矩阵,其中,驱动机构坐标系,为机器采集系统的驱动机构末端所在的坐标系。其中,驱动机构末端连接在采集传感器上,随采集传感器的移动而运动。
在一个实施例中,可选的,驱动机构末端绕驱动机构的单一旋转轴旋转;根据驱动机构末端的旋转角度和单一旋转轴,确定第一旋转矩阵。
其中,单一旋转轴可以是驱动机构的前端所在世界坐标系中的X轴、Y轴或Z轴。此处对旋转轴不作限定,具体的可根据驱动机构的旋转方式和世界坐标系的坐标轴的具体定义进行确定。
在一个实施例中,可选的,驱动机构末端的旋转角度包括第i次采集时,驱动机构末端相对于驱动机构旋转的旋转角度。其中,具体的,假设旋转角度为θ,则θ可以是第i次采集时驱动机构末端相对于驱动机构的旋转角度,也就是相对于第1次采集时驱动机构末端的旋转角度;其中,第1次采集时驱动机构末端的旋转角度包括0°。
在一个实施例中,可选的,将世界坐标系的初始位置与驱动机构坐标系的初始位置重合,若第i次采集,驱动机构末端旋转角度为θ,则第一转换矩阵T6满足:
并且,i=1时,驱动机构末端位于初始位置未旋转,满足T6(1)=E(4,4)。
在一个实施例中,可选的,设采集传感器坐标系相对于测量对象坐标系的转换关系,为第三转换矩阵,其中,第三转换矩阵通过求解采集传感器的外参确定;设世界坐标系与测量对象坐标系之间的转换关系,为第四转换矩阵;根据第一转换矩阵、第二转换矩阵和第三转换矩阵的矩阵乘积,确定第四转换矩阵;根据第四转换矩阵的第i次采集与第i+1次采集的相乘恒等关系,推导计算得到第二转换矩阵;其中,测量对象坐标系,为测量对象所在的坐标系。
其中,采集传感器的外参包括采集设备的旋转、平移和位置等参数,可用于描述采集传感器在静态场景下的运动,或是采集传感器固定时测量对象的运动。
在一个实施例中,第一转换矩阵、第二转换矩阵、第三转换矩阵和第四转换矩阵之间的转换关系满足:Tg=T6·Tm·Tc。由于世界坐标系和测量对象坐标系均不会发生运动,因此,用于描述世界坐标系和测量对象坐标系的第四转换矩阵也保持不变。在一个实施例中,第四转换矩阵的第i次采集和第i+1次采集满足相乘恒等关系Tg(i)=Tg(i+1)。在一个实施例中,取i=2,此时相乘恒等关系包括T6(1)·Tm·Tc(1)=T6(2)·Tm·Tc(2),变换公式为T6(2)-1·T6(1)·Tm=Tm·Tc(2)·Tc(1)-1。在一个实施例中,根据驱动机构的编码信息,确定T6(2)-1和T6(1),其中,编码信息包括驱动机构末端的旋转角度。在一个实施例中,根据采集传感器的外参确定Tc(2)和Tc(1)-1。进一步的,T6(2)-1、T6(1)、Tc(2)和Tc(1)-1已知,进而求得第二转换矩阵Tm,其中,第二转换矩阵Tm是固定不变的。
在一个实施例中,可选的,根据第一转换矩阵和第二转换矩阵,确定位姿转换矩阵,包括:根据第四转换矩阵的第i次采集与第i+1次采集的相乘恒等关系,以及第三转换矩阵与位姿转换矩阵之间的转换关系,推导计算得到由第一转换矩阵和第二转换矩阵表示的位姿转换矩阵。其中,第三转换矩阵与位姿转换矩阵Tcu之间的转换关系满足Tc(1)=Tcu·Tc(2)。
Tcu=Tc(1)·Tc(2)-1=[T6(1)·Tm]-1·T6(2)·Tm=Tm -1·T6(1)-1·T6(2)·Tm
其中,当采集传感器对测量对象进行点云采集时,相当于将采集到的三维点云从所属的测量对象坐标系转换至采集传感器坐标系,即对应第三转换矩阵Tc。在第三转换矩阵Tc的基础上乘以位姿转换矩阵Tcu,相当于进一步将采集到三维点云从采集传感器坐标系C转换至与前一帧三维点云相同的世界坐标系W中,即满足Tc(1)=Tcu·Tc(2)。其中,由于第一转换矩阵T6的T6(1)=E(4,4),因此,可以得到由第一转换矩阵和第二转换矩阵表示的位姿转换矩阵Tcu满足公式:Tcu=Tm -1·T6(2)·Tm。
S120、由机器采集系统获取测量对象的至少一帧三维点云;
其中,通过测量仪器得到的测量对象外观表面的点数据集合被称之为点云。也就是说点云包括测量对象表面每个采集点的坐标。其中,点云包括二维点云和三维点云。以三维点云为例,在一个实施例中,基于激光测量原理得到的点云包括测量对象的三维坐标和激光反射强度,基于摄影测量原理得到的点云包括测量对象的三维坐标和颜色信息。在本实施例中,至少一帧三维点云包括机器采集系统中的采集传感器在驱动机构的驱动下,在不同采集位置和/或采集角度采集到的被测对象的点数据集合。
在一个实施例中,可选的,将采集到的各帧三维点云进行存储并依次编号,以便后续根据编号顺序对各帧三维点云转换和拼接。
S130、根据位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云。
其中,基于机器采集系统中采集传感器采集到的各帧三维点云所属坐标系包括采集传感器坐标系。在一个实施例中,可选的,将各帧三维点云转换至同一坐标系下,包括:将各帧三维点云转换至世界坐标系。基于世界坐标系对各帧三维点云进行配准拼接,得到全局点云。
本实施例的技术方案,通过根据世界坐标系和采集传感器坐标系之间的转换关系确定位姿转换矩阵,基于位姿转换矩阵将多帧电源拼接成全局点云,解决了三维点云拼接精度不高的问题,从而达到将多帧点云拼接为高精度全局点云,实现对墙面质量全面检测的目的,提高了建筑产品质量反馈的精确度。
实施例二
图3是本发明实施例二提供的一种三维点云处理方法的流程图,本实施例的技术方案是上述实施例的基础上的进一步细化。可选的,所述根据所述位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云,具体包括:根据所述位姿转换矩阵将所述各帧三维点云转换至初始帧点云的坐标系;截取所述各帧三维点云中感兴趣区域;基于初始帧点云的坐标系和各帧三维点云中感兴趣区域,将所述转换后的各帧三维点云拼接成全局点云。
本实施例的具体实施步骤包括:
S210、根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵;
S220、由机器采集系统获取测量对象的至少一帧三维点云;
S230、根据位姿转换矩阵将各帧三维点云转换至初始帧点云的坐标系;
其中,初始帧点云包括采集传感器第1次采集测量对象时得到的点云数据。在一个实施例中,可选的,初始帧点云包括驱动机构末端位于初始位置未旋转时采集到的点云数据。其中,示例性的,初始帧点云的旋转角度为0°。
在一个实施例中,可选的,初始帧点云的坐标系包括世界坐标系。其中,示例性的,通过采集传感器采集到初始帧点云后,此时初始帧点云所处的坐标系为采集传感器坐标系,根据位姿转换矩阵Tcu=Tm -1·T6(2)·Tm,可将初始帧点云的坐标系从采集传感器坐标系转换至世界坐标系。
S240、截取各帧三维点云中感兴趣区域;
其中,感兴趣区域是指在图像处理中,从原始图像中以方框、圆、椭圆或不规则多边形等方式勾勒出需要处理的目标区域。在一个实施例中,可选的,感兴趣区域包括至少两帧点云之间的重叠区域。其中,示例性的,至少两帧点云可以是第i次采集到的点云和第i+1次采集到的点云,也可以是第i次采集到的点云、第i+1次采集到的点云和第i+2次采集到的点云。此处对各帧点云中感兴趣区域所属的点云帧数和点云数量不作限定。
在一个实施例中,可选的,根据直通滤波器的滤波结果,对各帧三维点云中的感兴趣区域进行截取。其中,直通滤波器的作用是过滤掉在指定维度方向上取值不在给定值域内的点云数据,实现原理是指定一个维度和该维度下的值域,遍历点云中的每个点数据,判断各点数据在指定维度上的取值是否在给定值域内。将取值在给定值域内的点数据构成滤波后的点云数据。
在一个实施例中,可选的,在由机器采集系统获取测量对象的至少一帧三维点云之后,包括:去除各帧三维点云的无效点云噪声。在一个实施例中,可选的,去除各三维点云的无效点云噪声的方法包括但不限于双边滤波、高斯滤波、分箱去噪、孤立森林(KD-Tree)、直通滤波和条件滤波中至少一种。这样设置的好处在于,可去除因误匹配得到的无效点云噪声。
S250、基于初始帧点云的坐标系和各帧三维点云中感兴趣区域,将转换后的各帧三维点云拼接成全局点云。
在一个实施例中,在初始帧点云的坐标系,即世界坐标系中,根据截取出的各帧三维点云中感兴趣区域,将转换至世界坐标系中的各帧三维点云进行配准拼接,得到全局点云。
本实施例的技术方案,通过将各帧三维点云转换至初始帧点云的坐标系,解决了三维点云拼接精度不高的问题,使得多帧三维点云可在同一坐标系下进行配准拼接,提高了全局点云的精度和建筑产品质量反馈的精确度。
实施例三
图4是本发明实施例三提供的一种三维点云处理装置的示意图,本实施例可适用于机器采集系统采集多帧点云进行拼接的情况,该装置可采用软件和/或硬件的方式实现。该三维点云处理装置包括:位姿转换矩阵确定模块310、三维点云获取模块320和全局点云拼接模块330。
其中,位姿转换矩阵确定模块310,用于根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵;
三维点云获取模块320,用于由机器采集系统获取测量对象的至少一帧三维点云;
全局点云拼接模块330,用于根据位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云,
其中,世界坐标系,为机器采集系统的驱动机构前端所在的坐标系;
采集传感器坐标系,为机器采集系统的采集传感器所在的坐标系。
本实施例的技术方案,通过根据世界坐标系和采集传感器坐标系之间的转换关系确定位姿转换矩阵,解决了三维点云拼接精度不高的问题,从而达到将同一采集传感器采集到的多帧三维点云拼接为高精度全局点云,实现对墙面质量全面检测的目的,提高了建筑产品质量反馈的精确度。
在上述技术方案的基础上,可选的,位姿转换矩阵确定模块310包括:
位姿转换矩阵确定单元,用于根据第一转换矩阵和第二转换矩阵,确定位姿转换矩阵,其中,
设驱动机构坐标系相对于世界坐标系的转换关系,为第一转换矩阵;
设采集传感器坐标系相对于驱动机构坐标系的转换关系,为第二转换矩阵;
驱动机构坐标系,为机器采集系统的驱动机构末端所在的坐标系。
可选的,该装置还包括:第一转换矩阵确定模块,用于:
驱动机构末端绕驱动机构的单一旋转轴旋转;
根据驱动机构末端的旋转角度和单一旋转轴,确定第一转换矩阵。
可选的,该装置包括:第二转换矩阵确定模块,用于:
设采集传感器坐标系相对于测量对象坐标系的转换关系,为第三转换矩阵,其中,第三转换矩阵通过求解采集传感器的外参确定;
设世界坐标系与测量对象坐标系之间的转换关系,为第四转换矩阵;
根据第一转换矩阵、第二转换矩阵和第三转换矩阵的矩阵相乘,确定第四转换矩阵;
根据第四转换矩阵的第i次采集与第i+1次采集的相乘恒等关系,推导计算得到第二转换矩阵;
其中,测量对象坐标系,为测量对象所在的坐标系。
可选的,位姿转换矩阵确定单元,具体用于:
根据第四转换矩阵的第i次采集与第i+1次采集的相乘恒等关系,以及第三转换矩阵与位姿转换矩阵之间的转换关系,推导计算得到由第一转换矩阵和第二转换矩阵表示的位姿转换矩阵。
可选的,该装置还包括:点云噪声去除模块,用于:
去除各帧三维点云的无效点云噪声。
可选的,全局点云拼接模块330,具体用于:
根据位姿转换矩阵将各帧三维点云转换至初始帧点云的坐标系;
截取各帧三维点云中感兴趣区域;
基于初始帧点云的坐标系和各帧三维点云中感兴趣区域,将转换后的各帧三维点云拼接成全局点云。
本发明实施例所提供的三维点云处理装置可以用于执行本发明实施例所提供的三维点云处理方法,具备执行方法相应的功能和有益效果。
值得注意的是,上述三维点云处理装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图5是本发明实施例四提供的一种建筑物检测方法的流程图,本实施例可适用于检测建筑物平整度的情况,该方法可以由建筑物检测装置来执行,该装置可采用软件和/或硬件的方式实现。具体包括如下步骤:
S410、根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵;
其中,世界坐标系是在应用环境中选择的用于描述环境中所有物体位置的参考坐标系。在本实施例中,世界坐标系,为机器采集系统的驱动机构前端所在的坐标系,机器采集系统中的驱动机构前端固定在控制器上。在采集三维点云的过程中,控制器保持不动,即驱动机构前端保持固定不动,因此驱动机构前端所在的世界坐标系是稳定不变的,以便对环境中所有物体位置进行描述。
其中,采集传感器是用于采集三维点云的传感器。在一个实施例中,可选的,采集传感器包括三维激光扫描仪、照相式扫描仪和视觉传感器中至少一种。其中,示例性的,通过视觉传感器中的3D相机采集三维点云。在本实施例中,采集传感器坐标系,为机器采集系统的采集传感器所在的坐标系。
在线性代数中,以转换矩阵的形式表示线性变换的映射关系。示例性的,线性变换包括旋转、平移、缩放或反射等。在本实施例中,位姿转换矩阵可用于表示世界坐标系与采集传感器坐标系之间的转换关系。
在一个实施例中,可选的,设驱动机构坐标系相对于世界坐标系的转换关系,为第一转换矩阵;设采集传感器坐标系相对于驱动机构坐标系的转换关系,为第二转换矩阵;根据第一转换矩阵和第二转换矩阵,确定位姿转换矩阵,其中,驱动机构坐标系,为机器采集系统的驱动机构末端所在的坐标系。其中,驱动机构末端连接在采集传感器上,随采集传感器的移动而运动。
在一个实施例中,可选的,驱动机构末端绕驱动机构的单一旋转轴旋转;根据驱动机构末端的旋转角度和单一旋转轴,确定第一旋转矩阵。
其中,单一旋转轴可以是驱动机构的前端所在世界坐标系中的X轴、Y轴或Z轴。此处对旋转轴不作限定,具体的可根据驱动机构的旋转方式和世界坐标系的坐标轴的具体定义进行确定。
在一个实施例中,可选的,驱动机构末端的旋转角度包括第i次采集时,驱动机构末端相对于驱动机构旋转的旋转角度。其中,具体的,假设旋转角度为θ,则θ可以是第i次采集时驱动机构末端相对于驱动机构的旋转角度,也就是相对于第1次采集时驱动机构末端的旋转角度;其中,第1次采集时驱动机构末端的旋转角度包括0°。
在一个实施例中,可选的,将世界坐标系的初始位置与驱动机构坐标系的初始位置重合,若第i次采集,驱动机构末端旋转角度为θ,则第一转换矩阵T6满足:
并且,i=1时,驱动机构末端位于初始位置未旋转,满足T6(1)=E(4,4)。
在一个实施例中,可选的,设采集传感器坐标系相对于测量对象坐标系的转换关系,为第三转换矩阵,其中,第三转换矩阵通过求解采集传感器的外参确定;设世界坐标系与测量对象坐标系之间的转换关系,为第四转换矩阵;根据所述第一转换矩阵、第二转换矩阵和第三转换矩阵的矩阵乘积,确定第四转换矩阵;根据所述第四转换矩阵的第i次采集与第i+1次采集的相乘恒等关系,推导计算得到所述第二转换矩阵;其中,测量对象坐标系,为测量对象所在的坐标系。
其中,采集传感器的外参包括采集设备的旋转、平移和位置等参数,可用于描述采集传感器在静态场景下的运动,或是采集传感器固定时测量对象的运动。
在一个实施例中,第一转换矩阵、第二转换矩阵、第三转换矩阵和第四转换矩阵之间的转换关系满足:Tg=T6·Tm·Tc。由于世界坐标系和测量对象坐标系均不会发生运动,因此,用于描述世界坐标系和测量对象坐标系的第四转换矩阵也保持不变。在一个实施例中,第四转换矩阵的第i次采集和第i+1次采集满足相乘恒等关系Tg(i)=Tg(i+1)。在一个实施例中,取i=2,此时相乘恒等关系包括T6(1)·Tm·Tc(1)=T6(2)·Tm·Tc(2),变换公式为T6(2)-1·T6(1)·Tm=Tm·Tc(2)·Tc(1)-1。在一个实施例中,根据驱动机构的编码信息,确定T6(2)-1和T6(1),其中,编码信息包括驱动机构末端的旋转角度。在一个实施例中,根据采集传感器的外参确定Tc(2)和Tc(1)-1。进一步的,T6(2)-1、T6(1)、Tc(2)和Tc(1)-1已知,进而求得第二转换矩阵Tm,其中,第二转换矩阵Tm是固定不变的。
在一个实施例中,可选的,根据第一转换矩阵和第二转换矩阵,确定位姿转换矩阵,包括:根据所述第四转换矩阵的第i次采集与第i+1次采集的相乘恒等关系,以及第三转换矩阵与位姿转换矩阵之间的转换关系,推导计算得到由第一转换矩阵和第二转换矩阵表示的位姿转换矩阵。其中,第三转换矩阵与位姿转换矩阵Tcu之间的转换关系满足Tc(1)=Tcu·Tc(2)。
Tcu=Tc(1)·Tc(2)-1=[T6(1)·Tm]-1·T6(2)·Tm=Tm -1·T6(1)-1·T6(2)·Tm
其中,当采集传感器对测量对象进行点云采集时,相当于将采集到的三维点云从所属的测量对象坐标系转换至采集传感器坐标系,即对应第三转换矩阵Tc。在第三转换矩阵Tc的基础上乘以位姿转换矩阵Tcu,相当于进一步将采集到三维点云从采集传感器坐标系C转换至与前一帧三维点云相同的世界坐标系W中,即满足Tc(1)=Tcu·Tc(2)。其中,由于第一转换矩阵T6的T6(1)=E(4,4),因此,可以得到由第一转换矩阵和第二转换矩阵表示的位姿转换矩阵Tcu满足公式:Tcu=Tm -1·T6(2)·Tm。
S420、由机器采集系统获取测量对象的至少一帧三维点云;
其中,通过测量仪器得到的测量对象外观表面的点数据集合被称之为点云。也就是说点云包括测量对象表面每个采集点的坐标。其中,点云包括二维点云和三维点云。以三维点云为例,在一个实施例中,基于激光测量原理得到的点云包括测量对象的三维坐标和激光反射强度,基于摄影测量原理得到的点云包括测量对象的三维坐标和颜色信息。在本实施例中,至少一帧三维点云包括机器采集系统中的采集传感器在驱动机构的驱动下,在不同采集位置和/或采集角度采集到的被测对象的点数据集合。
在一个实施例中,可选的,将采集到的各帧三维点云进行存储并依次编号,以便后续根据编号顺序对各帧三维点云转换和拼接。
S430、根据位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云;
其中,基于机器采集系统中采集传感器采集到的各帧三维点云所属坐标系包括采集传感器坐标系。在一个实施例中,可选的,将各帧三维点云转换至同一坐标系下,包括:将各帧三维点云转换至世界坐标系。基于世界坐标系对各帧三维点云进行配准拼接,得到全局点云。
S440、对全局点云进行平面拟合获得参考平面;
其中,平面拟合是指基于已知采样点集进行曲线重建,得到拟合结果。在一个实施例中,可选的,平面拟合的方法包括最小二乘法和SVD分解法中至少一种。
S450、根据参考平面计算建筑物的平整度偏差。
其中,示例性的,建筑物可以是墙面。在一个实施例中,可选的,根据点到平面的距离公式获取全局点云到参考平面的最大距离,从而确定所述建筑物的平整度偏差。
其中,点到平面的距离公式满足:
其中,d表示点到平面的距离,A、B、C和D满足平面方程Ax+By+Cz+D=0,其中,A、B和C用于表征平面上的法向量,x0、y0和z0表示点的三维坐标。
在一个实施例中,可选的,选取全局点云中的至少一个预设区域点云,并对所述各预设区域点云进行平滑处理;根据点到平面的距离公式求解各预设区域点云的点云到参考平面的距离,取其最大值作为所述平整度偏差。
其中,示例性的,将全局点云分割为至少一个预设区域点云,其中,分割的方式可以是均分,也可以不均分。此处对预设区域点云的数量、大小和形状均不作限定。在一个实施例中,可选的,平滑处理的方法包括均值平滑、中值平滑、高斯平滑和双边平滑中至少一种。这样设置的好处在于,可以防止预设区域点云中存在的个别噪声点影响到平整度偏差的测量结果。
在上述实施例的基础上,可选的,根据点云到所述参考平面的向量方向,与从采集传感器到建筑物的方向之间的相互关系,判断所述点云对应的建筑区域是凹陷还是凸起。
其中,示例性的,当向量方向与从采集传感器到建筑物的方向相同时,该点云对应的建筑区域为凹陷;当向量方向与从采集传感器到建筑物的方向相反时,该点云对应的建筑区域为凸起。
图6是本发明实施例四提供的一种建筑物检测方法的具体实例流程图,图6以采集传感器为视觉传感器为例。在实验室条件下,将测量对象选定为标定板。基于旋转角度对视觉传感器中的2D相机或3D相机进行相机标定。其中,相机标定是指对通过相机采集到的图像,对相机的内参、外参和畸变参数进行求解的过程。基于本申请实施例记载的位姿转换矩阵的确定方法,计算得到位姿转换矩阵Tcu。在建筑环境的实际测量中,采用视觉传感器中的3D相机获取三维点云,并对三维点云进行预处理。其中,示例性的,预处理可以是滤波处理。根据求解得到的位姿转换矩阵Tcu,对采集到的多帧点云进行初步配准,在初步配准的基础上进行精确配准。其中,示例性的,精确配准拼接包括但不限于迭代最近点算法(IterativeClosest Point,ICP)、鲁棒点匹配短发(Robust Point Matching,RPM)、相似测量算法(Kernel Correlation,KC)和一致性点漂移算法(Coherent Point Drift,CPD)。将配准后的多帧点云进行拼接,并基于拼接得到的三维重建结果进行墙面平整度的测量。在一个实施例中,当驱动机构采用的是高精度电机时,采用位姿转换矩阵Tcu得到的初步配准结果的精度可达到精确配准精度。
本发明实施例的技术方案,通过根据全局点云进行拟合得到参考平面,并对全局点云和参考平面之间的距离关系进行判断,解决了人工标尺测量的局限性问题,提高了建筑产品质量反馈的精确度。
实施例五
图7是本发明实施例五提供的一种建筑物检测装置的示意图。本实施例可适用于检测建筑物平整度的情况,该装置可采用软件和/或硬件的方式实现,。该建筑物检测装置包括:位姿转换矩阵确定模块510、三维点云获取模块520、全局点云拼接模块530、参考平面确定模块540和平整度偏差确定模块550。
其中,位姿转换矩阵确定模块510,用于根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵;
三维点云获取模块520,用于由机器采集系统获取测量对象的至少一帧三维点云;
全局点云拼接模块530,用于根据位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云,
其中,世界坐标系,为机器采集系统的驱动机构前端所在的坐标系;采集传感器坐标系,为机器采集系统的采集传感器所在的坐标系;
参考平面确定模块540,用于对全局点云进行平面拟合获得参考平面;
平整度偏差确定模块550,用于根据参考平面计算建筑物的平整度偏差。
本实施例的技术方案,通过根据全局点云进行拟合得到参考平面,并对全局点云和参考平面之间的距离关系进行判断,解决了人工标尺测量的局限性问题,提高了建筑产品质量反馈的精确度。
在上述技术方案的基础上,可选的,位姿转换矩阵确定模块510包括:
位姿转换矩阵确定单元,用于根据第一转换矩阵和第二转换矩阵,确定位姿转换矩阵,其中,
设驱动机构坐标系相对于世界坐标系的转换关系,为第一转换矩阵;
设采集传感器坐标系相对于驱动机构坐标系的转换关系,为第二转换矩阵;
驱动机构坐标系,为机器采集系统的驱动机构末端所在的坐标系。
可选的,该装置还包括:第一转换矩阵确定模块,用于:
驱动机构末端绕驱动机构的单一旋转轴旋转;
根据驱动机构末端的旋转角度和单一旋转轴,确定第一转换矩阵。
可选的,该装置包括:第二转换矩阵确定模块,用于:
设采集传感器坐标系相对于测量对象坐标系的转换关系,为第三转换矩阵,其中,第三转换矩阵通过求解采集传感器的外参确定;
设世界坐标系与测量对象坐标系之间的转换关系,为第四转换矩阵;
根据第一转换矩阵、第二转换矩阵和第三转换矩阵的矩阵乘积,确定第四转换矩阵;
根据第四转换矩阵的第i次采集与第i+1次采集的相乘恒等关系,推导计算得到第二转换矩阵;
其中,测量对象坐标系,为测量对象所在的坐标系。
可选的,位姿转换矩阵确定单元,具体用于:
根据第四转换矩阵的第i次采集与第i+1次采集的相乘恒等关系,以及第三转换矩阵与位姿转换矩阵之间的转换关系,推导计算得到由第一转换矩阵和第二转换矩阵表示的位姿转换矩阵。
可选的,该装置还包括:点云噪声去除模块,用于:
去除各帧三维点云的无效点云噪声。
可选的,全局点云拼接模块530,具体用于:
根据位姿转换矩阵将各帧三维点云转换至初始帧点云的坐标系;
截取各帧三维点云中感兴趣区域;
基于初始帧点云的坐标系和各帧三维点云中感兴趣区域,将转换后的各帧三维点云拼接成全局点云。
可选的,平整度偏差确定模块550,包括:
平整度偏差确定单元,用于根据点到平面的距离公式获取全局点云到参考平面的最大距离,从而确定建筑物的平整度偏差。
可选的,平整度偏差确定单元,具体用于:
选取全局点云中的至少一个预设区域点云,并对各预设区域点云进行平滑处理;
根据点到平面的距离公式求解各预设区域点云的点云到参考平面的距离,取其最大值作为平整度偏差。
可选的,该装置还包括:
平整度判断模块,用于根据点云到参考平面的向量方向,与从采集传感器到建筑物的方向之间的相互关系,判断点云对应的建筑区域是凹陷还是凸起。
本发明实施例所提供的建筑物检测装置可以用于执行本发明实施例所提供的建筑物检测方法,具备执行方法相应的功能和有益效果。
值得注意的是,上述建筑物检测装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例六
图8是本发明实施例六提供的一种设备的结构示意图,本发明实施例四为本发明上述实施例任一所述的三维点云处理方法或上述实施例任一所述的建筑物检测方法的实现提供服务,可配置上述实施例中所述的三维点云处理装置或建筑物检测装置。
该设备的包括机器采集系统60和控制器61,机器采集系统包括采集传感器601和驱动机构602,其中:采集传感器601转动设置于驱动机构602的末端,所述驱动机构602的另一端固定于控制器61上;所述采集传感器601,用于采集建筑物的三维点云;所述驱动机构602,用于转动所述采集传感器601;所述控制器61,用于控制驱动机构602的转动、采集传感器601的采集以及所采集点云的处理。设备中的机器采集系统60和控制器61可以通过总线或其他方式连接,图8中以通过总线连接为例。
在一个实施例中,可选的,采集传感器601包括三维激光扫描仪、照相式扫描仪和视觉传感器中至少一种。在一个实施例中,可选的,驱动机构602包括电机或减速器。图9是本发明实施例六提供的一种设备的具体实例的结构示意图。
在一个实施例中,可选的,设备还包括存储器,用于存储三维点云。存储器作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的建筑物检测方法对应的程序指令/模块(例如,位姿转换矩阵确定模块510、三维点云获取模块520、全局点云拼接模块530、参考平面确定模块540和平整度偏差确定模块550)。控制器61通过运行存储在存储器中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的建筑物检测方法。
在一个实施例中,可选的,设备还包括控制柜,用于存放控制器61。在一个实施例中,设备的控制器61的放置位置,即控制柜可对应机器采集系统60的底座。在一个实施例中,可选的,设备还包括电池,用于给驱动机构602和/或采集传感器601供电。在一个实施例中,可选的,设备还包括显示设备,设置于控制柜上,用于参数设定和显示运行状态信息等。在一个实施例中,可选的,该设备还包括折叠支撑架,用于支撑机器采集系统60和控制器61,高度可调。这样设置的好处在于方便对设备进行携带,且高度可调提高了设备的适应性。
图10是本发明实施例六提供的另一种设备的具体实例的结构示意图。图10以采集传感器601为视觉传感器为例,通过视觉传感器中的3D相机采集多帧三维点云。图10中的驱动机构602为高精度电机。
通过上述设备,解决了人工标尺测量的局限性问题,提高了建筑产品质量反馈的精确度。
实施例七
本发明实施例七还提供了一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行一种三维点云处理方法,该方法包括:
根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵;
由机器采集系统获取测量对象的至少一帧三维点云;
根据位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云,
其中,世界坐标系,为机器采集系统的驱动机构前端所在的坐标系;
采集传感器坐标系,为机器采集系统的采集传感器所在的坐标系。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作,还可以执行本发明任意实施例所提供的三维点云处理方法中的相关操作。
实施例八
本发明实施例八还提供了一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行一种建筑物检测方法,该方法包括:
根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵;
由机器采集系统获取测量对象的至少一帧三维点云;
根据位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云,
其中,世界坐标系,为机器采集系统的驱动机构前端所在的坐标系;
采集传感器坐标系,为机器采集系统的采集传感器所在的坐标系;
对全局点云进行平面拟合获得参考平面;
根据参考平面计算建筑物的平整度偏差。
关于具体实施方式参考上述实施例,为避免重复,此处不再赘述。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (15)
1.一种三维点云处理方法,包括:
根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵;
由机器采集系统获取测量对象的至少一帧三维点云;
根据所述位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云,
其中,所述世界坐标系,为机器采集系统的驱动机构前端所在的坐标系;
所述采集传感器坐标系,为机器采集系统的采集传感器所在的坐标系。
2.根据权利要求1所述的方法,根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵,具体包括:
设驱动机构坐标系相对于世界坐标系的转换关系,为第一转换矩阵;
设采集传感器坐标系相对于驱动机构坐标系的转换关系,为第二转换矩阵;
根据第一转换矩阵和第二转换矩阵,确定所述位姿转换矩阵;
其中,所述驱动机构坐标系,为机器采集系统的驱动机构末端所在的坐标系。
3.根据权利要求2所述的方法,所述方法还包括:
所述驱动机构末端绕所述驱动机构的单一旋转轴旋转;
根据所述驱动机构末端的旋转角度和所述单一旋转轴,确定第一转换矩阵。
4.根据权利要求3所述的方法,所述方法还包括:
设采集传感器坐标系相对于测量对象坐标系的转换关系,为第三转换矩阵,其中,所述第三转换矩阵通过求解采集传感器的外参确定;
设世界坐标系与测量对象坐标系之间的转换关系,为第四转换矩阵;
根据所述第一转换矩阵、第二转换矩阵和第三转换矩阵的矩阵乘积,确定第四转换矩阵;
根据所述第四转换矩阵的第i次采集与第i+1次采集的相乘恒等关系,推导计算得到所述第二转换矩阵;
其中,测量对象坐标系,为所述测量对象所在的坐标系。
5.根据权利要求4所述的方法,所述根据第一转换矩阵和第二转换矩阵,确定所述位姿转换矩阵,包括:
根据所述第四转换矩阵的第i次采集与第i+1次采集的相乘恒等关系,以及第三转换矩阵与位姿转换矩阵之间的转换关系,推导计算得到由第一转换矩阵和第二转换矩阵表示的位姿转换矩阵。
6.根据权利要求1所述的方法,在所述由机器采集系统获取测量对象的至少一帧三维点云之后,包括:
去除所述各帧三维点云的无效点云噪声。
7.根据权利要求1所述的方法,根据所述位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云,具体包括:
根据所述位姿转换矩阵将各帧三维点云转换至初始帧点云的坐标系;
截取所述各帧三维点云中感兴趣区域;
基于初始帧点云的坐标系和各帧三维点云中感兴趣区域,将所述转换后的各帧三维点云拼接成全局点云。
8.一种三维点云处理装置,包括:
位姿转换矩阵确定模块,用于根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵;
三维点云获取模块,用于由机器采集系统获取测量对象的至少一帧三维点云;
全局点云拼接模块,用于根据所述位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云,
其中,所述世界坐标系,为机器采集系统的驱动机构前端所在的坐标系;
所述采集传感器坐标系,为机器采集系统的采集传感器所在的坐标系。
9.一种建筑物检测方法,其在根据权利要求1-7任一项方法,拼接成全局点云之后,包括:
对全局点云进行平面拟合获得参考平面;
根据所述参考平面计算所述建筑物的平整度偏差。
10.根据权利要求9所述的方法,根据所述参考平面计算所述建筑物的平整度偏差,包括:
根据点到平面的距离公式获取全局点云到参考平面的最大距离,从而确定所述建筑物的平整度偏差。
11.根据权利要求10所述的方法,根据点到平面的距离公式获取全局点云到参考平面的最大距离,从而确定所述建筑物的平整度偏差,包括:
选取全局点云中的至少一个预设区域点云,并对所述各预设区域点云进行平滑处理;
根据点到平面的距离公式求解各预设区域点云的点云到参考平面的距离,取其最大值作为所述平整度偏差。
12.根据权利要求9-11任一项所述的方法,根据所述参考平面计算所述建筑物的平整度偏差之后,还包括:
根据点云到所述参考平面的向量方向,与从采集传感器到建筑物的方向之间的相互关系,判断所述点云对应的建筑区域是凹陷还是凸起。
13.一种建筑物检测装置,包括:
位姿转换矩阵确定模块,用于根据世界坐标系与采集传感器坐标系之间的转换关系确定位姿转换矩阵;
三维点云获取模块,用于由机器采集系统获取测量对象的至少一帧三维点云;
全局点云拼接模块,用于根据所述位姿转换矩阵将各帧三维点云转换至同一坐标系下,并拼接成全局点云,
其中,所述世界坐标系,为机器采集系统的驱动机构前端所在的坐标系;
所述采集传感器坐标系,为机器采集系统的采集传感器所在的坐标系;
参考平面确定模块,用于对全局点云进行平面拟合获得参考平面;
平整度偏差确定模块,用于根据所述参考平面计算所述建筑物的平整度偏差。
14.一种执行权利要求1-7任一项所述的三维点云处理方法或权利要求9-12任一项所述的建筑物检测方法的设备,其特征在于,所述设备包括机器采集系统和控制器,所述机器采集系统包括采集传感器和驱动机构,其中:
所述采集传感器转动设置于驱动机构的末端,所述驱动机构的前端固定于控制器上;
所述采集传感器,用于采集测量对象的三维点云;
所述驱动机构,用于转动所述采集传感器;
所述控制器,用于控制驱动机构的转动、采集传感器的采集以及所采集三维点云的处理。
15.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7任一所述的三维点云处理方法或权利要求9-12中任一所述的建筑物检测方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910927042.2A CN110675390A (zh) | 2019-09-27 | 2019-09-27 | 一种建筑质量全局检测方法及装置 |
CN2019109270422 | 2019-09-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112581421A true CN112581421A (zh) | 2021-03-30 |
Family
ID=69079634
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910927042.2A Pending CN110675390A (zh) | 2019-09-27 | 2019-09-27 | 一种建筑质量全局检测方法及装置 |
CN202010278814.7A Pending CN112581421A (zh) | 2019-09-27 | 2020-04-10 | 三维点云处理方法、建筑物检测方法、装置、设备及介质 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910927042.2A Pending CN110675390A (zh) | 2019-09-27 | 2019-09-27 | 一种建筑质量全局检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN110675390A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256574A (zh) * | 2021-05-13 | 2021-08-13 | 中国科学院长春光学精密机械与物理研究所 | 一种三维目标检测方法 |
CN114413789A (zh) * | 2022-01-31 | 2022-04-29 | 北京航空航天大学 | 一种管道内壁三维视觉测量数据拼接装置及方法 |
WO2023060683A1 (zh) * | 2021-10-13 | 2023-04-20 | 东南大学 | 一种基于三维点云模型的预制梁段表面平整度检测方法 |
CN116152306A (zh) * | 2023-03-07 | 2023-05-23 | 北京百度网讯科技有限公司 | 确定砌筑质量的方法、装置、设备和介质 |
CN117308821A (zh) * | 2023-11-28 | 2023-12-29 | 江苏华辉建筑装饰工程有限公司 | 一种基于扫描仪的建筑装饰造型精度检验方法及系统 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111397546A (zh) * | 2020-03-23 | 2020-07-10 | 北京交通大学 | 一种拼接黑体平面度、夹角及间隙宽度测量装置 |
CN111664791B (zh) * | 2020-04-30 | 2022-02-15 | 广东博智林机器人有限公司 | 测量仪和造楼系统 |
CN113313761B (zh) * | 2021-07-28 | 2022-04-01 | 盎锐(常州)信息科技有限公司 | 用于实测实量的站点获取方法、扫描装置及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001101410A (ja) * | 1999-09-28 | 2001-04-13 | Suzuki Motor Corp | 変換行列データ生成方法及び較正治具並びに三次元計測システム |
US20090086014A1 (en) * | 2007-09-28 | 2009-04-02 | The Boeing Company | Local positioning system and method |
JP2014149582A (ja) * | 2013-01-31 | 2014-08-21 | Nippon Telegr & Teleph Corp <Ntt> | 変換行列推定装置、変換行列推定方法、及びプログラム |
CN105976353A (zh) * | 2016-04-14 | 2016-09-28 | 南京理工大学 | 基于模型和点云全局匹配的空间非合作目标位姿估计方法 |
CN109064400A (zh) * | 2018-07-25 | 2018-12-21 | 博众精工科技股份有限公司 | 三维点云拼接方法、装置及系统 |
CN109544677A (zh) * | 2018-10-30 | 2019-03-29 | 山东大学 | 基于深度图像关键帧的室内场景主结构重建方法及系统 |
-
2019
- 2019-09-27 CN CN201910927042.2A patent/CN110675390A/zh active Pending
-
2020
- 2020-04-10 CN CN202010278814.7A patent/CN112581421A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001101410A (ja) * | 1999-09-28 | 2001-04-13 | Suzuki Motor Corp | 変換行列データ生成方法及び較正治具並びに三次元計測システム |
US20090086014A1 (en) * | 2007-09-28 | 2009-04-02 | The Boeing Company | Local positioning system and method |
JP2014149582A (ja) * | 2013-01-31 | 2014-08-21 | Nippon Telegr & Teleph Corp <Ntt> | 変換行列推定装置、変換行列推定方法、及びプログラム |
CN105976353A (zh) * | 2016-04-14 | 2016-09-28 | 南京理工大学 | 基于模型和点云全局匹配的空间非合作目标位姿估计方法 |
CN109064400A (zh) * | 2018-07-25 | 2018-12-21 | 博众精工科技股份有限公司 | 三维点云拼接方法、装置及系统 |
CN109544677A (zh) * | 2018-10-30 | 2019-03-29 | 山东大学 | 基于深度图像关键帧的室内场景主结构重建方法及系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256574A (zh) * | 2021-05-13 | 2021-08-13 | 中国科学院长春光学精密机械与物理研究所 | 一种三维目标检测方法 |
CN113256574B (zh) * | 2021-05-13 | 2022-10-25 | 中国科学院长春光学精密机械与物理研究所 | 一种三维目标检测方法 |
WO2023060683A1 (zh) * | 2021-10-13 | 2023-04-20 | 东南大学 | 一种基于三维点云模型的预制梁段表面平整度检测方法 |
CN114413789A (zh) * | 2022-01-31 | 2022-04-29 | 北京航空航天大学 | 一种管道内壁三维视觉测量数据拼接装置及方法 |
CN116152306A (zh) * | 2023-03-07 | 2023-05-23 | 北京百度网讯科技有限公司 | 确定砌筑质量的方法、装置、设备和介质 |
CN116152306B (zh) * | 2023-03-07 | 2023-11-03 | 北京百度网讯科技有限公司 | 确定砌筑质量的方法、装置、设备和介质 |
CN117308821A (zh) * | 2023-11-28 | 2023-12-29 | 江苏华辉建筑装饰工程有限公司 | 一种基于扫描仪的建筑装饰造型精度检验方法及系统 |
CN117308821B (zh) * | 2023-11-28 | 2024-02-06 | 江苏华辉建筑装饰工程有限公司 | 一种基于扫描仪的建筑装饰造型精度检验方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110675390A (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112581421A (zh) | 三维点云处理方法、建筑物检测方法、装置、设备及介质 | |
CA2961921C (en) | Camera calibration method using a calibration target | |
CN109410256B (zh) | 基于互信息的点云与影像自动高精度配准方法 | |
US9117278B2 (en) | System and method for geometric modeling using multiple data acquisition means | |
Herráez et al. | 3D modeling by means of videogrammetry and laser scanners for reverse engineering | |
CN109801333B (zh) | 体积测量方法、装置、系统及计算设备 | |
CN109544628B (zh) | 一种指针式仪表的准确读数识别系统及方法 | |
CN110672020A (zh) | 一种基于单目视觉的立木高度测量方法 | |
KR20130138247A (ko) | 신속 3d 모델링 | |
CN111353997B (zh) | 一种基于条纹投影的实时三维面型缺陷检测方法 | |
Zhang et al. | Accuracy improvement in laser stripe extraction for large-scale triangulation scanning measurement system | |
WO2020136523A1 (en) | System and method for the recognition of geometric shapes | |
Okarma et al. | The 3D scanning system for the machine vision based positioning of workpieces on the CNC machine tools | |
CN111627070B (zh) | 一种对旋转轴进行标定的方法、装置和存储介质 | |
Reinhart | Industrial computer tomography–A universal inspection tool | |
Stavroulakis et al. | Rapid tracking of extrinsic projector parameters in fringe projection using machine learning | |
CN113763478A (zh) | 无人车相机标定方法、装置、设备、存储介质及系统 | |
Zhang et al. | Bundle adjustment with additional constraints applied to imagery of the Dunhuang wall paintings | |
Hodgson et al. | Novel metrics and methodology for the characterisation of 3D imaging systems | |
Xiao et al. | A new three-dimensional laser scanner design and its performance analysis | |
Zhang et al. | Freight train gauge-exceeding detection based on three-dimensional stereo vision measurement | |
Koyuncu et al. | Development of an optical 3D scanner based on structured light | |
CN214410073U (zh) | 一种工业相机与深度相机结合的三维检测定位系统 | |
Lourenço et al. | Extrinsic calibration of 2D laser range finders using planar features | |
CN107784171B (zh) | 一种空间模型构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |